आपको यहां से याद आ सकता है क्रॉस कसरतों को फ़ीचर करें कैटगरिकल डेटा मॉड्यूल में उपलब्ध है, कि नीचे दी गई कैटगरी की समस्या नॉनलीनियर है:
"नोनलिनर" इसका मतलब है कि आप फ़ॉर्म का मॉडल \(b + w_1x_1 + w_2x_2\). दूसरे शब्दों में, "फ़ैसले लेने के लिए प्लैटफ़ॉर्म" एक पंक्ति नहीं है.
हालांकि, अगर हम अपनी सुविधाओं $x_1$ और $x_2$ पर सुविधा क्रॉस करते हैं, तो हम फिर, लीनियर मॉडल: $b + w_1x_1 + w_2x_2 + w_3x_3$ जहां $x_3$ के बीच का फ़ीचर क्रॉस है $x_1$ और $x_2$:
अब नीचे दिए गए डेटासेट का इस्तेमाल करें:
इसे सुविधा क्रॉस एक्सरसाइज़ से भी याद किया जा सकता है जो इस डेटा के लिए एक लीनियर मॉडल को फ़िट करने के लिए क्रॉस-पोस्ट करती है इसमें थोड़ा मेहनत और एक्सपेरिमेंट करना पड़ा.
लेकिन, अगर आपको ये सभी चीज़ें खुद नहीं करनी पड़तीं, तो क्या होता? न्यूरल नेटवर्क एक परिवार है एक ही प्लैटफ़ॉर्म पर कई मॉडल बनाना होता है. नैनलाइनर पैटर्न हैं. न्यूरल नेटवर्क की ट्रेनिंग के दौरान, अपने-आप model का इस्तेमाल करें कम करने के लिए इनपुट डेटा पर परफ़ॉर्म करने के लिए सबसे बेहतर सुविधा क्रॉस को सीखता है नुकसान.
न्यूरल नेटवर्क के काम करने के तरीके पर, हम बारीकी से जानेंगे.